未知目标mAP提升6.1
一种通过类别无关基础属性学习实现未知目标稳健可解释检测的方法，与最新方法相比具有显著的性能优势。
Linhua, Ye · Yifei, Jiang · 罗荣华
Expert Systems with Applications 2026
通过学习类别无关的基础属性（如颜色、形状），消除因依赖已知类别描述而引入的类别偏见，使模型能更好地识别未知类别。
通过非对称属性响应(AAR)增强目标类别的判别性激活，建立起更稳健的属性-类别映射，减少冗余属性的干扰。
Entropy-正则化属性稀疏化(ERAS)利用低熵正则化提升语义可解释性，并改善对未知类别的泛化，使模型决策更透明。